<title>Computationally efficient assignment-based algorithms for data association for tracking with angle-only sensors</title>
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In this paper we describe computationally efficient assignment-based algorithms to solve the data association problem in synchronous passive multisensor tracking systems. A traditional assignment-based solution to this problem is to solve the measurement-to-measurement association using multidimensional (<i>S</i>-dimensional or SD with <i>S</i> sensors) assignment formulation and the measurement-to-track association using two-dimensional assignment formulation. Even though this solution has been proven to be effective, it is computationally very expensive. One of the reasons is that in calculating the assignment cost of each possible candidate association one requires to find the maximum likelihood (ML) estimate of the unknown target state. The algorithms proposed in this paper use prior information of the targets that are being tracked to reduce the requirement for the costly ML estimation. The first algorithm is similar to the traditional two step technique except that it uses the predicted track information to avoid building the whole assignment tree in the measurement-to-measurement association. In particular, based on the predicted track information first validation gates are constructed for every target. Then, when forming the assignment tree, only the branches connecting measurements that satisfy the validation gate requirement are constructed. The second algorithm is a one-step algorithm in that it directly assigns the measurements to the tracks. We pose the data association problem as an (<i>S</i> + 1)-D assignment with the first dimension being the predicted state information of the tracks, and the rest of the S dimensions are the lists of measurements from the sensors. The costs of each possible (<i>S</i> + 1)-tuple are calculated based on the predicted track information, hence, the requirement for an ML estimate is eliminated. Further, we show that when the target maneuvers are not very high, and when the sensor measurements are uncorrelated the (<i>S</i>+1)-D assignment approximately decomposes into <i>S</i> individual 2-D assignments, resulting in huge computational savings.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle